詞彙表
機器人學核心術語，一段話搞懂定義與使用情境。
運動學與姿態表示
DH 參數（Denavit–Hartenberg Parameters）
DH 參數用每個關節四個數字（θ、d、a、α）系統化描述機械手臂相鄰連桿的幾何關係，是推導正向運動學的標準方法。
Jacobian（雅可比矩陣）
雅可比矩陣描述關節速度與末端執行器速度之間的線性關係，是逆向運動學數值解法的核心工具。
四元數（Quaternion）
四元數是用四個數表示三維旋轉的方法，沒有萬向鎖問題、插值平滑、運算效率高，是機器人、無人機與 3D 引擎內部表示姿態的主流選擇。
尤拉角（Euler Angles）
尤拉角（又譯歐拉角）用三個依序繞軸旋轉的角度描述三維姿態，例如 roll、pitch、yaw，直覺易懂但存在萬向鎖問題。
正向運動學（Forward Kinematics）
正向運動學是由各關節角度計算機械手臂末端位置與姿態的過程，結果唯一、計算直接，是逆向運動學與雅可比矩陣的基礎。
萬向鎖（Gimbal Lock）
萬向鎖（gimbal lock，常被誤寫為萬象鎖）是用尤拉角表示三維旋轉時，中間軸轉到 ±90 度造成兩個旋轉軸重合、少掉一個自由度的現象。
逆向運動學（Inverse Kinematics）
逆向運動學是由目標末端位置與姿態反推各關節角度的問題，可能有多解、無解或遇到奇異點，常用解析解或雅可比數值迭代求解。
運動學奇異點（Kinematic Singularity）
運動學奇異點是機械手臂在特定關節組態下雅可比矩陣不滿秩、末端在某些方向失去移動能力的狀態，附近會出現關節速度暴衝。
感測、定位與 SLAM
ICP（Iterative Closest Point，迭代最近點）
ICP 透過反覆「找最近點配對、求最佳剛體轉換」，把兩組點雲對齊，是光達里程計、地圖拼接與物體位姿估計的經典方法。
Point Cloud（點雲）
深度相機或光達提供的三維空間點集合，ROS2 用彈性欄位結構的 PointCloud2 表達，通常需要體素降採樣減少運算量後才能供下游演算法即時使用。
SLAM（同時定位與建圖）
在還沒有地圖的情況下，一邊移動一邊建立地圖並估計自己位置的技術，核心運算是持續比對新舊感測資料的掃描比對。
光達（LiDAR）
光達（LiDAR）以雷射脈衝測量飛行時間取得距離，輸出高精度的點雲，是機器人建圖、定位、避障與自駕車感知的核心感測器。
卡爾曼濾波（Kalman Filter）
卡爾曼濾波透過「預測」與「更新」兩步驟，把運動模型與帶雜訊的感測量測融合成最佳狀態估計，是機器人定位、感測融合與 EKF-SLAM 的基礎。
視覺里程計（Visual Odometry）
視覺里程計用連續相機影像估計機器人的移動量與軌跡，是視覺 SLAM 的前端；只做局部估計，誤差會隨距離累積。
粒子濾波（Particle Filter）
粒子濾波用大量帶權重的樣本（粒子）近似機器人位置的機率分佈，能處理非線性、多峰的情況，是 AMCL 定位與 FastSLAM 的核心。
控制
機器人學習
Sim-to-Real（模擬到實體遷移）
Sim-to-Real 指把在模擬器中訓練的機器人策略轉移到實體機器人上；模擬與真實之間的差異稱為 reality gap，常用領域隨機化、系統辨識等方法縮小。
VLA（視覺語言動作模型，Vision-Language-Action Model）
VLA 模型把影像與語言指令直接轉換成機器人動作，通常以預訓練的視覺語言模型為骨幹，再用大量機器人示範資料微調，代表作有 RT-2、OpenVLA、π0。
六自由度抓取（6-DoF Grasp）
六自由度抓取同時決定夾爪在三維空間中的位置（3）與姿態（3），能從任意方向抓取堆疊、雜亂場景中的物體，代表方法有 GraspNet、AnyGrasp、Contact-GraspNet。
強化學習（Reinforcement Learning）
強化學習讓機器人透過試錯與獎勵訊號學習策略，不需要人類示範，常在模擬器中大量訓練後轉移到實體機器人，是足式機器人運動控制的主流方法。
擴散策略（Diffusion Policy）
擴散策略用擴散模型生成機器人動作序列，從雜訊逐步去噪得到動作，能表示多峰的人類示範分佈，是近年模仿學習與 VLA 動作輸出的重要方法。
模仿學習（Imitation Learning）
模仿學習讓機器人從人類示範資料學習動作策略，最常見的形式是行為複製（Behavior Cloning），是 VLA 模型與遙操作資料蒐集的基礎。
ROS 2
Action（動作）
ROS2 裡專為長時間執行任務設計的通訊模式，在服務的請求/回應之外，額外提供進度回饋（Feedback）與取消（Cancel）機制。
Behavior Tree（行為樹）
用 Sequence、Fallback、Action、Decorator 等節點類型組織決策與復原邏輯的樹狀結構，Nav2 用它協調規劃、避障、失敗重試的完整流程。
colcon
ROS2 官方的建置工具，負責解析工作空間裡多個套件之間的依賴順序並依序編譯，取代 ROS1 時代的 catkin_make。
Costmap（代價地圖）
把靜態地圖與即時感測資料轉換成路徑規劃演算法可用的代價數值網格，Nav2 用 global 與 local 兩張獨立的代價地圖分別服務全域規劃與即時避障。
DDS（Data Distribution Service）
ROS2 底層採用的去中心化通訊中介軟體標準，取代了 ROS1 依賴單一 Master 節點的架構，讓節點探索與 QoS 都由 DDS 實作負責。
Executor（執行器）
驅動節點 callback 實際執行的排程器，SingleThreadedExecutor 依序執行、MultiThreadedExecutor 可並行，選擇不當是常見死鎖成因。
Gazebo
ROS2 生態系標準的物理模擬器，跟 ROS2 是兩個獨立行程，透過 ros_gz_bridge 轉換彼此的主題資料，能計算重力、碰撞、感測器資料等物理行為。
Launch File（launch 檔案）
把啟動一整套多節點系統的過程，寫成一份可重複執行、版本控制的設定檔，取代逐一手動輸入 ros2 run 指令。
Lifecycle Node
帶有明確狀態機（Unconfigured/Inactive/Active）的特殊節點型態，把資源配置與真正啟用分成兩個獨立步驟，方便多節點系統被統一、有序地管理。
micro-ROS
讓資源極度受限的微控制器參與 ROS2 通訊的輕量框架，透過 micro-ROS Agent 中介，把輕量傳輸協定轉譯成正常 DDS 通訊，且採用編譯期靜態記憶體配置。
MoveIt2
ROS2 生態系標準的機械手臂運動規劃框架，用 Planning Scene 統一管理機器人狀態與障礙物資訊，透過可替換的規劃器插件在關節空間裡搜尋無碰撞路徑。
Node（節點）
ROS2 系統裡最小的獨立運算單位，對應底層 DDS 的一個 DomainParticipant，透過主題、服務、動作等標準介面與其他節點通訊。
Planning Scene
MoveIt2 內部維護的世界模型，包含機器人目前的關節狀態與周圍環境的障礙物資訊，規劃器搜尋路徑時每個候選姿態都要拿去跟它做碰撞檢查。
QoS（服務品質）
DDS 帶來的一組通訊行為設定，決定主題與服務訊息傳遞的可靠度、持久性、歷史紀錄深度，不相容時連線會靜默失敗，不會報錯。
ROS_DOMAIN_ID
決定 DDS 節點探索範圍的網路層級隔離機制，不同 ROS_DOMAIN_ID 的節點完全看不到彼此，常用來避免同一網路裡多組 ROS2 系統互相干擾。
SDF（Simulation Description Format）
Gazebo 用來描述整個模擬世界的 XML 格式，表達能力比 URDF 更完整，涵蓋物理材質參數與感測器雜訊模型。
Service（服務）
ROS2 裡一問一答的同步式通訊模式，Client 送出請求後等待 Server 回應，適合有明確因果關係、需要確認結果的一次性操作。
SROS2
ROS2 官方提供的安全擴充，基於 DDS-Security 標準，補上一般 ROS2 通訊預設缺乏的身分驗證、加密、存取控制三層防護。
TF2（Transform Tree）
把系統裡所有座標系組織成一棵樹並持續廣播彼此的轉換關係，讓任何模組能查詢兩個座標系之間任意時刻的相對關係，不需要自己維護計算邏輯。
Topic（主題）
ROS2 裡多對多、鬆耦合的非同步發布訂閱通訊機制，發布者與訂閱者互不知道對方存在，實際能否連線由 QoS 相容性決定。
URDF（Unified Robot Description Format）
描述機器人外型與關節結構的 XML 格式，用 link 表示剛體部件、joint 表示連接關係，是 RViz2、Gazebo、MoveIt2 共同讀取的機器人模型來源。
xacro（XML Macro）
URDF 的前處理巨集語言，用 property、macro、include 解決手寫 URDF 在重複結構與尺寸調整上的維護問題，展開後產生標準 URDF。